Machine Learning dengan R
0 likes2,020 views
Dokumen ini membahas tentang machine learning, yang merupakan cabang dari kecerdasan buatan yang menggunakan metode statistik untuk menganalisis data. Terdapat empat kategori utama machine learning: supervised learning, unsupervised learning, semi-supervised learning, dan reinforcement learning, dengan penjelasan lebih rinci tentang teknik klasifikasi dan regresi, serta metode pengklasteran k-means. Contoh aplikasi dan dataset seperti iris dataset juga dijelaskan untuk memberikan pemahaman lebih lanjut tentang penerapan machine learning.
Machine Learning dengan R
- 1. Machine Learning dengan R Muhammad Rifqi Ma’arif, M.Eng Matakuliah Ilmu Data Industrial Program Studi Teknik Industri Fakultas Teknik & Teknologi Informasi Universitas Jenderal Achmad Yani Yogyakarta 2020
- 2. Pengantar Machine Learning • Machine learning adalah cabang dari artificial intelligence. Kecerdasan buatan memiliki pengertian yang sangat luas tapi secara umum dapat dipahami sebagai komputer dengan kecerdasan layaknya manusia. • Sedangkan machine learning memiliki arti lebih spesifik yaitu menggunakan metode statistika untuk membuat komputer dapat mempelajari pola pada data tanpa perlu diprogram secara eksplisit. • Machine learning dibagi menjadi beberapa kategori. Tepatnya ada empat kategori besar, yaitu supervised learning, unsupervised learning, semi-supervised learning, dan reinforcement learning.
- 3. Supervised Learning - Klasifikasi • Klasifikasi adalah teknik untuk menentukan kelas atau kategori berdasarkan atribut yang diberikan. • Klasifikasi yang menghasilkan dua kategori disebut binary classification, • Klasifikasi yang menghasilkan 3 kategori atau lebih disebut multiclass classification atau klasifikasi banyak kelas. • Teknik-teknik Klasifikasi • Decision Tree • Random Forest • Support Vector Machine • Artificial Neural Network
- 4. Decision Tree • Decision tree atau pohon keputusan adalah salah satu algoritma supervised learning yang dapat dipakai untuk masalah klasifikasi dan regresi. • Decision tree merupakan algoritma yang powerful alias mampu dipakai dalam masalah yang kompleks. • Decision tree juga merupakan komponen pembangun utama algoritma Random Forest, yang merupakan salah satu algoritma paling powerful saat ini. • Decision tree memprediksi sebuah kelas (klasifikasi) atau nilai (regresi) berdasarkan aturan-aturan yang dibentuk setelah mempelajari data.
- 5. Decision Tree dengan R • Dataset (Iris Dataset) • Dataset iris merupakan salah satu dataset populer untuk belajar bagaimana ML dipakai dalam klasifikasi. Dataset ini berisi 150 sampel dari 3 spesies bunga iris. • Pada dataset Iris terdapat 4 kolom atribut yaitu panjang sepal, lebar sepal, panjang petal, dan lebar petal. • Untuk label terdapat 3 kelas atau kategori atau jenis yang terdapat pada dataset yaitu Setosa, Versicolor dan Virginica. Kelas adalah.
- 7. Supervised Learning - Regresi • Regresi adalah salah satu teknik machine learning yang mirip dengan klasifikasi. Bedanya pada klasifikasi, sebuah model machine learning memprediksi sebuah kelas, sedangkan model regresi memprediksi bilangan kontinu. Bilangan kontinu adalah bilangan numerik. • Regresi linier adalah salah satu metode supervised yang masuk dalam golongan regression, sesuai namanya. • Contoh paling terkenal dari regresi linier adalah memperkirakan harga rumah berdasarkan fitur yang terdapat pada rumah seperti luas rumah, jumlah kamar tidur, lokasi dan sebagainya. • Regresi linier cocok dipakai ketika terdapat hubungan linear pada data.
- 9. Unsupervised Learning - Klastering • Klaster (cluster) adalah sebuah grup yang memiliki kemiripan tertentu. • Pengklasteran adalah sebuah metode machine learning unsupervised untuk mengelompokkan objek-objek yang memiliki kemiripan, ke dalam sebuah klaster. • Karena termasuk kategori unsupervised, maka dataset yang digunakan model clustering tidak memiliki label. • Data yang memiliki kemiripan akan dikelompokkan, lalu setiap data pada kelompok yang sama akan diberikan label yang sama. • Contoh kasus untuk teknik clustering adalah customer segmentation. • Dari data ribuan pengunjung sebuah website ecommerce, model akan belajar sendiri untuk mengelompokkan pengunjung. Bisa berdasarkan waktu kunjungan, lama kunjungan, penggunaan fitur search, jumlah klik, dan sebagainya. • Model unsupervised learning akan menentukan segmen market dan mengelompokkan pengunjung ke dalam segmen market yang berbeda.
- 10. K-Means Clustering • Pengklasteran K-Means adalah sebuah metode yang dikembangkan oleh Stuart Lloyd dari Bell Labs pada tahun 1957. Lloyd menggunakan metode ini untuk mengubah sinyal analog menjadi sinyal digital. • Hal yang paling pertama K-Means lakukan adalah memilih sebuah sampel secara acak untuk dijadikan centroid. Centroid adalah sebuah sampel pada data yang menjadi pusat dari sebuah klaster. Selanjutnya Centroid akan diupdate secara iterative untuk mendapatkan klaster terbaik. Perhatikan ilustrasi disamping